Статья: Нейросетевая модель прогнозирования компенсации сахарного диабета на основе индексов вариабельности гликемии

В группе В показатель SD к концу исследования снизился незначительно в сравнении с началом исследования: 2,75 [2,1; 3,58] ммоль/л и 2,37 [1,68; 3,28] ммоль/л (р<0,001) в начале и в конце наблюдения соответственно. Индекс CONGA имел достоверную тенденцию к уменьшению: на последнем визите составил 8,32 [7,51; 9,17] ммоль/л при р=0,005. Индекс среднего общего риска (ADRR) в данной группе снизился незначительно - 23,2 [16,32; 35,82] (р<0,000), в сравнении с дистанционной моделью наблюдения.

Большая часть показателей ВГ в группе пациентов, получающих базисно-болюсную терапию (группа С), имели тенденцию к увеличению индексов к концу исследования. Отмечалось резкое увеличение индекса среднего общего риска (ADRR) с 26,26 [18,37; 31,23] до 39,68 [30,79; 44,26] (р<0,000), в 1,5 раза, что свидетельствовало о высоком риске возникновения ангиопатий вследствие сахарного диабета. Показатель качества контроля (M- value) в начале исследования в данной группе составлял 13,52 [10,79; 17,97] ммоль/л, а в конце исследования 16,13 [13,84; 19,79] ммоль/л (р<0,000), что говорит о потере контроля гликемии у пациентов на стандартной терапии СД. При этом следует отметить незначительное увеличение индекса скорости изменения гликемии (MAG), который является предиктором летальных событий (тяжелые гипогликемии, кетоацидотические комы) с 4,3 [2,53; 5,8] ммоль/л/час до 4,48 [3,1; 5,57] ммоль/л/час, что свидетельствует о возможности развития жизнеугрожающих состояний у данной когорты пациентов (р= 0,048).

При проведении сравнительного анализа данных во всех трех группах было выявлено достоверное различие некоторых показателей ВГ в течение исследования. Так, показатель SD имел достоверное увеличение в группе базисно-болюсной терапии - 2,51 [2,06; 3,11] ммоль/л в сравнении с группой дистанционного наблюдения 2,08 [1,07; 2,59] ммоль/л (р=0,006), что показывает значимые колебания уровня глюкозы у пациентов с СД 1 типа. Отмечается достоверная разница индекса длительного повышения гликемии (CONGA) между группами в конце исследования: 6,16 [5,62; 6,96] ммоль/л, 8,32 [7,51; 9,17] ммоль/л и 10,54 [9; 12,5] ммоль/л в группе А, В и С соответственно (во всех группах р<0,000). Значительная разница выявлена при сравнении индекса ADRR в группе дистанционного мониторинга 19,97 [13,34; 27,02] и группе очного наблюдения 23,2 [16,32; 35,82] в сравнении с группой С 39,68 [30,79; 44,26] (в обоих случаях р<0,000) - увеличение риска возникновения микро- и макрососудистых событий почти в 2 раза выше у больных, получающих базисноболюсную инсулинотерапию, в отличие от обследованных на помповой инсулинотерапии с использованием НМГ. Такая же тенденция была выявлена с индексом MAG: 1,64 [1,14; 2,05] ммоль/л/час в группе А, 2,36 [1,37; 4,28] ммоль/л/час в группе В и 4,48 [3,1; 5,57] ммоль/л/час в группе С (р 1-2=0,003, р 2-3=0,001 и р 1-3<0,000), что ассоциировано с высокой скоростью изменения уровня глюкозы крови и может привести к летальному исходу. Данные приведены в таблице 2.

Таблица 2 Сравнение индексов вариабельности гликемии во всех группах на последнем визите исследования

Примечание: * - значимость различий между группами (Z-критерий Манна-Уитни, различия значимы при p<0,05); Me - медиана, Q1; Q3 - нижний; верхний квартили.

Гликированный гемоглобин (HbA1c) в группе дистанционного наблюдения к визиту 3 снизился на 1,95% (р<0,000), в группе очного наблюдения уменьшился на 0,8% (р<0,000), а в группе стандартной терапии увеличился на 0,05% при р=0,546. При этом средний уровень гликемии в группе А уменьшился на 1,97 ммоль/л (р=0,043), в группе В отмечалось уменьшение на 1,55 ммоль/л (р=0,585), а в группе С было выявлено достоверное повышение данного показателя на 0,54 ммоль/л (р=0,042). Значительное снижение гликированного гемоглобина в группе дистанционного мониторинга согласуется с другими зарубежными исследованиями и говорит о клинико-метаболической эффективности данного метода [18; 19]. Данные представлены в таблице 3.

Таблица 3

Сравнение гликированного гемоглобина и среднего уровня гликемии у пациентов с сахарным диабетом 1 типа

Примечание: * - значимость различий между группами (критерий Уилкоксона, различия значимы при p<0,05); Me - медиана, Q1; Q3 - нижний; верхний квартили.

Для выявления взаимосвязи между ИВГ и уровнем компенсации сахарного диабета на основе HbA1c был выбран метод построения нейросетевой модели с одним или несколькими скрытыми слоями, которые позволяют описывать сложные нелинейные взаимосвязи. При построении нейросетевых моделей оптимальной оказалась модель на основе многослойного перцептрона с тремя скрытыми слоями и количеством нейронов в каждом слое (рисунок 1).

Рис. 1. Нейросетевая модель регрессионного типа на основе многослойного перцептрона прогнозирования компенсации на основе данных вариабельности гликемии

Построенная модель показала очень высокое значение коэффициента детерминации R2=0,987, что свидетельствует о высокой достоверности прогнозирования компенсации заболевания по показателям вариабельности гликемии, что отображено на рисунке 2. При создании традиционной модели на основе множественной регрессии коэффициент детерминации составил R2=0,254, что ассоциировано с низкой точностью прогнозирования степени компенсации СД только по HbA1c и большей остаточной ошибке (рисунок 3).

Рис. 2. Результаты прогностического моделирования уровня гликированного гемоглобина

Рис. 3. Результаты прогностического моделирования уровня гликированного гемоглобина на основе модели множественной регрессии

Заключение

При проведении исследования вариабельности гликемии в группе дистанционного мониторинга показатели достоверно улучшились в сравнении со сравнительной группой и очного наблюдения, что можно расценивать как положительную динамику.

Уменьшение гликированного гемоглобина на 1,95% и среднего уровня гликемии на 1,97 ммоль/л в группе дистанционного мониторинга на последнем визите свидетельствует о клинико-метаболической эффективности данного метода в сравнении с другими моделями наблюдения пациентов с сахарным диабетом 1 типа.

Следует отметить значительное ухудшение показателей риска развития сосудистых событий у группы пациентов, находящихся на базисно-болюсном режиме, что заставляет обратить пристальное внимание на данную когорту пациентов для достижения компенсации заболевания.

Нейросетевая модель с высоким индексом детерминации на основе индексов вариабельности гликемии демонстрирует существенно более высокую точность прогнозирования компенсации заболевания в сравнении со стандартным методом оценки (HbA1c), что позволяет спрогнозировать осложнения и обеспечить персонализированный подход в лечении пациентов с сахарным диабетом 1 типа.

Список литературы

1. Климонтов В.В., Мякина Н.Е. Вариабельность гликемии при сахарном диабете: инструмент для оценки качества гликемического контроля и риска осложнений // Сахарный диабет. 2014. № 2. С. 76-82. DOI: 10.14341/DM2014276-82.

2. Nathan D.M., Genuth S., Lachin J., Cleary P., Crofford O., Davis M., Rand L., Siebert C. The effect of intensive treatment of diabetes on the development and progression of long-term complications in insulin-dependent diabetes mellitus. N. Engl. J. Med. 1993. Vol. 329. No 14. P. 977-986. DOI: 10.1056/NEJM199309303291401.

3. UK Prospective Diabetes Study (UKPDS) Group. Intensive blood-glucose control with sulphonylureas or insulin compared with conventional treatment and risk of complications in patients with type 2 diabetes (UKPDS 33). Lancet. 1998. Vol. 352. No 9131. P. 837-853. DOI: 10.1016/S0140-6736(98)07019-6.

4. Nathan D.M., Cleary P.A., Backlund J.Y., Genuth S.M., Lachin J.M., Orchard T.J., Raskin P., Zinman B. Intensive diabetes treatment and cardiovascular disease in patients with type 1 diabetes. N. Engl. J. Med. 2005. Vol. 353. No 25. P. 2643-2653. DOI: 10.1056/NEJMoa052187.

5. Orchard T.J., Nathan D.M., Zinman B., Cleary P., Brillon D., Backlund J.Y., Lachin J.M. Association between 7 years of intensive treatment of type 1 diabetes and long-term mortality. JAMA. 2015. Vol. 313. No 1. P. 45-53. DOI: 10.1001/jama.2014.16107.

6. Алгоритмы специализированной медицинской помощи больным сахарным диабетом: клинические рекомендации / под ред. И.И. Дедова, М.В. Шестаковой, А.Ю. Майорова // Сахарный диабет. 2017. Т. 20. № 1 S. Вып. 8. С. 1-121.

7. DiMeglio L.A., Acerini C.L., Codner E., Craig M.E., Hofer S.E., Pillay K., Maahs D.M. ISPAD Clinical Practice Consensus Guidelines 2018: Glycemic control targets and glucose monitoring for children, adolescents, and young adults with diabetes. Pediatr. Diabetes. 2018. Vol. 19. Suppl. 27. P. 105-114. DOI: 10.1111/pedi.12737.

8. Пашинцева Л.П., Буданцева Т.А., Анциферов М.Б., Зубарев А.И. Международные требования к исследованиям гликированного гемоглобина // Справочник заведующего КДЛ. 2011. № 3. С. 16-21.

9. Дедов И.И., Петеркова В.А., Кураева Т.Л. Российский консенсус по терапии сахарного диабета у детей и подростков // Сахарный диабет. 2010. № 5. С. 1-8.

10. Skyler J.S. Diabetic complications. The importance of glucose control. Endocrinol. Metab. Clin. North Am. 1996. Vol. 25. No 2. P. 243-254. DOI: 10.1016/S0889-8529(05)70323-6.

11. Петеркова В.А., Кураева Т.Л., Емельянов А.О. Помповая инсулинотерапия в педиатрической практике // Педиатрия. 2008. Т. 87. № 5. С. 44-48.

12. Pickup J.C., Freeman S.C., Sutton A.J. Glycaemic control in type 1 diabetes during real time continuous glucose monitoring compared with self-monitoring of blood glucose: meta-analysis of randomised controlled trials using individual patient data. BMJ. 2011. Vol. 343. P. d3805. DOI: 10.1136/bmj.d3805.

13. Chakarova N., Dimova R., Grozeva G., Tankova T. Assessment of glucose variability in subjects with prediabetes. Diabetes Res. Clin. Pract. 2019. Vol. 151. P. 56-64. DOI: 10.1016/j.diabres.2019.03.038.

14. Joshi A., Mitra A., Anjum N., Shrivastava N., Khadanga S., Pakhare A., Joshi R. Patterns of Glycemic Variability During a Diabetes Self-Management Educational Program. Med. Sci. (Basel). 2019. Vol. 7. No 3. P. E52. DOI: 10.3390/medsci7030052.

15. Программа помощи детям с заболеваниями эндокринной системы "Альфа-Эндо". Фонд поддержки и развития филантропии "КАФ". [Электронный ресурс]. URL: http://www.cafrussia.ru/page/programma_pomoschi_detyam_s_zabolevaniyami_endokrinnoi_siste mi (дата обращения: 10.05.2019).

16. Калькулятор вариабельности гликемии EasyGV версия 9.0R2. [Электронный ресурс]. URL: https://www.phc.ox.ac.uk/research/technology-outputs/easygv (дата обращения:10.05.2019).

17. Aristoklis D.A., George D.M., Michael N.V. New globally convergent training scheme based on the resilient propagation algorithm. Neurocomputing. 2005. Vol. 64. Р. 253-270. DOI: 10.1016/j.neucom.2004.11.016.

18. Sheng T., Babikian S., Greenfield M. Immediate and sustained glycemic improvements during remote patient monitoring: real-world evidence from pilot programs. Diabetes Technology and Therapeutics. 2019. Vol. 21. Ng S 1. Abstr. 38. DOI: 10.1089/dia.2019.2525.abstracts.

19. Gies I., Vanbesien J., Hansart A., Hamddan Lachkar M., Devisscher C., Vermeulen B. Remote monitoring of CGM data followed by tele-consultation in a pediatric type 1 diabetes population: choosing the right patients to achieve value based healthcare. Diabetes Technology and Therapeutics. 2019. Vol. 21. Ng S1. Abstr. 103. DOI: 10.1089/dia.2019.2525.abstracts.